基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

搜索算法在无人艇航迹规划中的应用

[目的]为了更加有效地利用无人艇(USV)执行复杂的海洋作业,需要可靠的航迹规划算法。针对现有路径规划算法研究,提出一种基于2D扫描思想的搜索扫描算法。[方法]首先,建立环境空间模型,在起点与终点之间存在障碍物的前提下,通过起点360°扫描获取周围障碍物信息,并确定子节点。然后,通过确定代价函数获取子节点,不断扫描最优子节点并更新下一代子节点以扫描到终点,最终确定规划路线。最后,使用LabView2017平台编写算法仿真软件并进行实验。[结果]结果表明,搜索扫描算法在规划路径上和蚁群算法相比生成的路径质量更高。[结论]搜索扫描算法减少了传统算法规划路径中结果非最优解的问题,能有效提高算法应用于二维空间路径规划时的可靠性。     

MMAS在带时间窗的车辆路线问题中的应用

针对基本蚁群优化算法在物流配送路径优化应用过程中存在的问题,主要是由信息素全局和局部更新策略而导致车辆选择路径时容易陷入局部最优解的现象,本文详细研究了蚁群算法的改进算法,即最大最小蚁群算法;并引入信息素平滑机制来提升算法的路径探索能力,实现此组合优化理论在带时间窗的车辆路径问题中的应用.     

蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

海上应急物资配送路径规划模型的构建

为了提高海上应急物资配送和调度能力,提出基于蚁群智能优化的海上应急物资配送路径全局规划算法。根据海上应急物资配送物资规划路径进行运动学模型构造,构建海上应急物资配送路径规划的控制约束参量,以海上应急物资配送的中转节点作为聚类中心,采用蚁群优化算法进行海上应急物资配送路径的自适应寻优,以蚁群个体信息素作为导引参量,构建海上通信网络下的海上应急物资配送路径规划模型,采用蚁群算法进行海上应急物资配送路径规划过程中的寻优迭代,根据自适应寻优控制结果,实现海上应急物资配送路径规划优化。仿真结果表明,采用该方法进行海上应急物资配送路径规划的自适应性较好,规划调度能力,提高了应急物资的配送效率。     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下，存在的路径规划时间长、易陷入局部最优等问题，提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中，算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化，实现未知环境下的实时路径规划。仿真实验结果表明，该算法有效改善了自主水下航行器在未知环境下的寻路效率，可以满足自主水下航行器实时路径规划需求。     

蚁群优化算法在潜艇三维空间导航规划算法中的应用

潜艇三维空间导航规划是指在已知或未知的条件下,利用环境建模与路径搜索方法,为潜艇规划出安全、快速、隐蔽的航行路径。为提高导航规划算法的稳定性与效率,本文对蚁群算法进行改进,给出一种基于多蚁群协同的并行优化的潜艇导航规划算法,并使用Matlab与VC++对该算法进行仿真实验。实验结果表明,本文算法能够得到较为可行的路径规划。     

基于可视图法的水面无人艇路径规划设计

为了解决水面无人艇全局路径规划问题,提出一种基于可视图的A*算法。该算法使用启发式搜索的方式,克服了传统可视图法灵活性差的问题,可以减少规划时间,提高规划效率。通过在平面障碍物环境下的仿真运算,验证了该算法的可行性。     

水面无人艇路径规划研究综述

水面无人艇近年来受到国内外专家学者越来越多的关注。为了总结分析USV现有路径规划方法及其优缺点,通过对USV路径规划研究进行分类综述和分析,从获取环境空间障碍物的方式,将USV路径规划分为基于海洋环境信息的全局路径规划和基于传感器信息的局部路径规划。总结基于各类研究方法的主要研究成果及其主要特点,剖析其存在的主要问题,阐明USV路径规划的研究思想和意义,提出USV路径规划今后可能的发展方向。     

环境地图的格栅化及路径规划研究

电子海图中的海洋环境地理信息通常由复杂几何图形构成,在路径规划时需要建模处理,格栅化是最常用的处理方法。本文针对实际环境中的路径规划问题,分析环境地图格栅化对路径规划的影响,并介绍A*算法在栅格地图路径规划中的应用。以某海域环境为例,对不同尺度下的栅格地图进行路径规划对比分析。研究表明,环境地图的格栅化会显著提高路径规划的效率,但是过大的网格尺度会破坏规划空间的连通性。合理地调节障碍物边界处的等效网格设置,可以保证路径规划空间的连通性,在提高路径规划效率和成功率的同时,并不会影响规划路径的最终结果。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

Path planning method for unmanned surface vehicle with controllable distance from obstacles北大核心CSCD

[目的]为了解决水面无人艇(USV)路径规划中安全性和平滑性方面的问题,提出一种与障碍物距离可控的USV路径规划方法。[方法]首先,结合雷达图像生成栅格化环境信息,利用维诺场算法(VFA)为每个栅格添加危险势场并建立航行界限;其次,建立与航行界限关联的危险度函数对A^(*)算法的评价函数进行改进,利用改进的A^(*)算法进行路径规划;最后,针对航行路径转向角较大的问题,采用梯度下降法(GDM)进行航行路径的平滑处理,得到满足USV实际航行要求的连续平滑路径。[结果]仿真结果表明,所提路径规划方法通过设置不同的航行界限可以实现路径与障碍物之间距离的控制且平滑性符合航行要求。[结论]该方法在USV路径规划过程中具有一定的合理性和有效性,可为USV自主避障决策提供参考。     

基于改进蚁群算法的水下潜航器安全隐蔽航路规划研究

针对水下潜航器的特点和实际需求,设计潜航器安全隐蔽航路规划模型。首先对水下航路规划的影响因素集进行划分,结合水下潜航器特点,通过改进信息素更新机制及启发因子的设计,建立基于蚁群算法的潜航器全局航路规划模型;其次考虑敌我距离变化量、我方位置与目标点的距离、我方声呐盲区、敌我距离最小量作为代价函数的4个因数,建立单目标动态威胁的局部航路规划;最后通过仿真得到全局规划路径和局部避碰路径结果,说明该方法在水下潜航器航路规划具有实际应用价值。     

水面无人艇路径规划的现状与挑战

近年来,随着人工智能技术的发展,水面无人艇（USV）成为了海洋工程的研究热点,而路径规划问题一直都是无人船艇智能化进程中的一项关键技术。文章首先介绍了现有路径规划的环境建模方法,并对比了各种方法的特点。根据无人艇对环境信息的获取程度,分别从全局路径规划、局部路径规划、近程反应式危险规避和运动规划等4个维度综述了路径规划方面的最新研究成果,总结了学术界对各种算法改进的切入点。最后探讨了当前无人艇路径规划领域面临的挑战和研究重点,未来对USV路径规划研究应该在实际海况数据的利用、控制器协同、COLREGS的融合、复杂海况的规避、碰撞危险评估模型的完善、路径评价体系的建立等方面重点开展。     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

基于动态油耗模型的节能航迹规划

针对某案例船的实时能耗数据库，从航迹角度分析了能耗特性并设计了一种节能航迹规划方法。首先，采用栅格法构建了海域模型，根据环境参数与船舶性能参数对船舶油耗的影响，拟合了船舶油耗模型，并植入到海域栅格模型中；进而采用里程蚁和能耗蚁协同规划机制，设计了一种双蚁群算法，提升了算法对格栅属性的动态适应性；最后，基于案例船能耗数据库执行了动态节能航迹规划算法，迭代过程和路径节能效果表明：该算法拥有高效的寻优能力并且收敛速度较快，能为船舶实时节能航迹规划技术提供解决方案。     

未知环境中水下无人航行器的路径规划方法

针对水下无人航行器路径规划需要提前获得海图以得到全局障碍物信息,难以做到未知环境下实时规划路径的问题,提出一种对探测空间进行采样并判断采样点是否具有障碍,最终将探测到的障碍结果加权赋值给A*算法待扩展点的方法,实现了探测与路径规划同步进行,同时考虑到航行器的运动学约束,将A*算法的搜索域修正为圆域并且仅搜索在运动学约束...     

基于改进人工蜂群进化算法的移动机器人路径规划与仿真分析

针对经典人工蜂群算法在机器人路径规划中易于陷入局部极值,且寻优过程收敛速度较慢等问题,提出了一种基于约束优化的改进人工蜂群算法.通过设计变异算子来增大极值在陷入局部最优时的跳出概率,提高机器人路径规划的收敛能力.在机器人路径规划上,对文中方法、遗传算法、A*算法以及经典人工蜂群算法进行性能评估.实验结果表明,文中方法能有效避免路径规划中的局部极值,减少机器人路径规划时间损耗,提高了路径规划效率.     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

基于RRT*算法的水下机器人全局路径规划方法

针对海洋环境的复杂性,考虑水下机器人能量的局限性,为减小洋流环境中作业全程水下机器人的能量消耗,以某水下机器人为研究对象,设计实现基于RRT*的路径最短和能耗最低的路径规划算法;并进行包括RRT*算法和RRT算法在复杂环境下的对比、不同洋流流速环境中水下机器人路径最短和能耗最低路径规划的仿真模拟。最后在水池中,利用实验室现有的水下机器人平台进行了真机实验。仿真测试和真机实验结果表明:所设计的基于RRT*的路径最短和能耗最低的路径规划算法可行有效。